MétaCan
Menu
Retour à la cohorte
Enregistrement W3172512765 · doi:10.22034/jna.2020.680019

Optimization of nitrate removal from aqueous solutions using clinoptilolite /CoFe2O4 by surface response methodology

2020· article· en· W3172512765 sur OpenAlexaff
Hassan Gheisari, Ebrahim Karamian, Ali Soheily

Notice bibliographique

RevueJournal of Nanoanalysis · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGrindingCalcinationMaterials scienceBall millNanoparticleParticle sizeCeramicSpecific surface areaChemical engineeringClinoptiloliteNano-MetallurgyMineralogyNanotechnologyComposite materialChemistryZeoliteCatalysis

Résumé

récupéré en direct d'OpenAlex

In this study, Merwinite (MW), has been successfully prepared by a modifiedsol-gel method. Optimization in calcination temperature and mechanical millingresulted in a pure and nano-sized powder which characterized by means of(XRD), (SEM), (TEM) and (FT–IR). We hypothesized that nano-sized MW wouldmimic more efficiently the nanocrystal structure and function of natural boneapatite, owing to the higher surface area, compared to conventional micronsizeMW. Mechanical grinding in a ceramic ball mill for 6 hours resulted in (MW)nanoparticles in the range of about 33- 55 nm. Conventional micron-size MWhad been previously investigated by many researchers but it is obviously differentfrom bone mineral in aspect of mimicking the mineral resorption process. Bonecrystals of natural hydroxyapatite (NHA ) are in nano-size dimensions and possessvery large surface area. In contrast micron-size particles with lower surface arealack the potency of homogeneous absorption by osteoclasts and miss the uniqueadvantage of nanotechnology for bioactivity and resorbability. Hence, we usedthe unique advantage of nano- biotechnology to improve novel nano merwinite(NMW) particles as a good candidate for tissue regeneration whether as a peri -implant filling powder or in combination with other biomaterials as a compositescaffold.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,326
Score d'incertitude au seuil0,738

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,071
Tête enseignante GPT0,276
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NanoanalysisMême sujetBone Tissue Engineering MaterialsTravaux en français237 207